Arrays 如何在numpy数组中查找从一个元素到下一个元素的状态转换？

我想确定数据集中的状态转换。例如：“sin（x）在哪个指数下低于0.5？”

我能想到的唯一办法是：

a = np.arange(0,10,.01)
b= np.sin(a)
c = np.roll(b,1)
c[:1] = 0
print(a[(.5 > b) & (.5< c)])
[2.62 8.91]

a=np.arange（0,10,01）
b=np.sin（a）
c=np滚动（b，1）
c[：1]=0
打印（a[（.5>b）和（.5

---

我能在没有额外数组c的情况下完成吗？如何检测像“sin（x）在哪个索引下降到0.5以下并保持7个样本？”这样的情况？我需要7个额外的数组吗？

对于7个步骤，您可以只构建一个中间数组：

mask = (b < 0.5)
window = 7

# count the number of times the value is below thresh in the window
below_thresh = np.sum([mask[i:len(mask)-window+i] for i in range(window)], axis=0)

mask1 = below_thresh == window

a[window + 1:][mask1[1:] & (~mask1[:-1])]
# out 
# array([2.62, 8.91])

mask=（b<0.5）
窗口=7
#计算该值在窗口中低于阈值的次数
低于_thresh=np.sum（[mask[i:len（mask）-window+i]表示范围内的i（window）]，轴=0）
mask1=低于阈值==窗口
[window+1:][mask1[1::&（~mask1[：-1]）]
#出去
#数组（[2.62,8.91]）

---

要获得更多的步骤，您可以使用

as_stripped

genius。。。我如何得到相应的索引呢？第一个掩码和第二个掩码彼此独立，对吗？索引在

mask[1::&（~mask[：-1]）

为

True

并按

window+1

移位。所以有些东西

np.where（mask[1::&（~mask[：-1]）+window+1

？@AndreasSchuldei是的，只需重用相同的变量来节省一些内存。请参阅更新。